Python實現(xiàn)平行坐標圖的兩種方法小結(jié)
更新時間：2019年07月04日 19:36:28 作者：皮這一下非常開心
今天小編就為大家分享一篇Python實現(xiàn)平行坐標圖的兩種方法小結(jié)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
平行坐標圖，一種數(shù)據(jù)可視化的方式。以多個垂直平行的坐標軸表示多個維度，以維度上的刻度表示在該屬性上對應(yīng)值，相連而得的一個折線表示一個樣本，以不同顏色區(qū)分類別。
但是很可惜，才疏學淺，沒辦法在Python里實現(xiàn)不同顏色來區(qū)分不同的類別。如果對此比較在意的大神可以不要往下看了。。。。。。。。。
上圖是一個基于iris數(shù)據(jù)集所畫的一個平行坐標圖。
隔開隔開.......................................隔開隔開
不多扯了，下面正式上代碼
方法一、基于pyecharts第三方包來實現(xiàn)
from pyecharts import Parallel
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
data = pd.read_csv('iris.csv')
data_1 = np.array(data[['Sepal_length', 'Sepal_width', 'Petal_length', 'Petal_width']]).tolist()
schema = ['Sepal_length', 'Sepal_width', 'Petal_length', 'Petal_width']
parallel = Parallel('iris平行坐標圖')
parallel.config(schema)
parallel.add('dasfd',data_1,is_random = True)
parallel
可惜，這樣子run出來的恰好結(jié)果就是上圖，沒辦法實現(xiàn)不同類別用不同顏色來區(qū)分。實在不得不說是一個令人超級不爽的一個地方，勞資都想咋了電腦當時，哈哈哈哈。。。
在這里多扯兩句啊，pyecharts這個包還真的是特么的好用啊，各種圖都能實現(xiàn)，感興趣的朋友不妨裝個來耍耍
方法二、基于pandas來實現(xiàn)
what？pandas？這把絕世好劍不是用來處理一些數(shù)據(jù)的嗎？什么時候還具有畫圖的功能了，lz你沒貓餅吧？
說實話，lz當時也沒想到pandas能用來畫圖，而且是畫平行坐標圖。下面就是代碼了：
import matplotlib.pyplot as plt
import pandas as pd
from pandas.tools.plotting import parallel_coordinates
data = pd.read_csv('iris.csv')
data_1 =data[['Species','Sepal_length', 'Sepal_width', 'Petal_length', 'Petal_width']]
parallel_coordinates(data_1,'Species')
plt.legend(loc='upper center', bbox_to_anchor=(0.5,-0.1),ncol=3,fancybox=True,shadow=True)
plt.show()
run一下，就可以得到下圖了
不難看出，這張圖是具有了不同顏色，但是每個坐標軸的刻度都是0-8啊，lz希望的是每個軸獨立的啊·········
以上就是我探討在Python里如何實現(xiàn)平行坐標圖所得到的一些結(jié)果吧。兩種方式都沒辦法很完美的實現(xiàn)我們的需求（軸獨立、顏色區(qū)別）。正所謂活到老，學到老。各位大神如果有可以實現(xiàn)的方式，可以教教小弟，小弟不勝感激！
雖然lz沒辦法在Python里畫出滿意的平行坐標圖，但是最后也用Echarts實現(xiàn)了一下（哈哈，有時候沒辦法了，不妨試試換個工具）
順道附上代碼吧，不然擔心被人畫小圈圈
// Schema:
// date,AQIindex,PM2.5,PM10,CO,NO2,SO2
var data1 = [[5.1, 3.5, 1.4, 0.2], [4.9, 3.0, 1.4, 0.2], [4.7, 3.2, 1.3, 0.2], [4.6, 3.1, 1.5, 0.2], [5.0, 3.6, 1.4, 0.2], [5.4, 3.9, 1.7, 0.4], [4.6, 3.4, 1.4, 0.3], [5.0, 3.4, 1.5, 0.2], [4.4, 2.9, 1.4, 0.2], [4.9, 3.1, 1.5, 0.1], [5.4, 3.7, 1.5, 0.2], [4.8, 3.4, 1.6, 0.2], [4.8, 3.0, 1.4, 0.1], [4.3, 3.0, 1.1, 0.1], [5.8, 4.0, 1.2, 0.2], [5.7, 4.4, 1.5, 0.4], [5.4, 3.9, 1.3, 0.4], [5.1, 3.5, 1.4, 0.3], [5.7, 3.8, 1.7, 0.3], [5.1, 3.8, 1.5, 0.3], [5.4, 3.4, 1.7, 0.2], [5.1, 3.7, 1.5, 0.4], [4.6, 3.6, 1.0, 0.2], [5.1, 3.3, 1.7, 0.5], [4.8, 3.4, 1.9, 0.2], [5.0, 3.0, 1.6, 0.2], [5.0, 3.4, 1.6, 0.4], [5.2, 3.5, 1.5, 0.2], [5.2, 3.4, 1.4, 0.2], [4.7, 3.2, 1.6, 0.2], [4.8, 3.1, 1.6, 0.2], [5.4, 3.4, 1.5, 0.4], [5.2, 4.1, 1.5, 0.1], [5.5, 4.2, 1.4, 0.2], [4.9, 3.1, 1.5, 0.1], [5.0, 3.2, 1.2, 0.2], [5.5, 3.5, 1.3, 0.2], [4.9, 3.1, 1.5, 0.1], [4.4, 3.0, 1.3, 0.2], [5.1, 3.4, 1.5, 0.2], [5.0, 3.5, 1.3, 0.3], [4.5, 2.3, 1.3, 0.3], [4.4, 3.2, 1.3, 0.2], [5.0, 3.5, 1.6, 0.6], [5.1, 3.8, 1.9, 0.4], [4.8, 3.0, 1.4, 0.3], [5.1, 3.8, 1.6, 0.2], [4.6, 3.2, 1.4, 0.2], [5.3, 3.7, 1.5, 0.2], [5.0, 3.3, 1.4, 0.2]
];
var data2 = [[7.0, 3.2, 4.7, 1.4], [6.4, 3.2, 4.5, 1.5], [6.9, 3.1, 4.9, 1.5], [5.5, 2.3, 4.0, 1.3], [6.5, 2.8, 4.6, 1.5], [5.7, 2.8, 4.5, 1.3], [6.3, 3.3, 4.7, 1.6], [4.9, 2.4, 3.3, 1.0], [6.6, 2.9, 4.6, 1.3], [5.2, 2.7, 3.9, 1.4], [5.0, 2.0, 3.5, 1.0], [5.9, 3.0, 4.2, 1.5], [6.0, 2.2, 4.0, 1.0], [6.1, 2.9, 4.7, 1.4], [5.6, 2.9, 3.6, 1.3], [6.7, 3.1, 4.4, 1.4], [5.6, 3.0, 4.5, 1.5], [5.8, 2.7, 4.1, 1.0], [6.2, 2.2, 4.5, 1.5], [5.6, 2.5, 3.9, 1.1], [5.9, 3.2, 4.8, 1.8], [6.1, 2.8, 4.0, 1.3], [6.3, 2.5, 4.9, 1.5], [6.1, 2.8, 4.7, 1.2], [6.4, 2.9, 4.3, 1.3], [6.6, 3.0, 4.4, 1.4], [6.8, 2.8, 4.8, 1.4], [6.7, 3.0, 5.0, 1.7], [6.0, 2.9, 4.5, 1.5], [5.7, 2.6, 3.5, 1.0], [5.5, 2.4, 3.8, 1.1], [5.5, 2.4, 3.7, 1.0], [5.8, 2.7, 3.9, 1.2], [6.0, 2.7, 5.1, 1.6], [5.4, 3.0, 4.5, 1.5], [6.0, 3.4, 4.5, 1.6], [6.7, 3.1, 4.7, 1.5], [6.3, 2.3, 4.4, 1.3], [5.6, 3.0, 4.1, 1.3], [5.5, 2.5, 4.0, 1.3], [5.5, 2.6, 4.4, 1.2], [6.1, 3.0, 4.6, 1.4], [5.8, 2.6, 4.0, 1.2], [5.0, 2.3, 3.3, 1.0], [5.6, 2.7, 4.2, 1.3], [5.7, 3.0, 4.2, 1.2], [5.7, 2.9, 4.2, 1.3], [6.2, 2.9, 4.3, 1.3], [5.1, 2.5, 3.0, 1.1], [5.7, 2.8, 4.1, 1.3]
];
var data3 = [[6.3, 3.3, 6.0, 2.5], [5.8, 2.7, 5.1, 1.9], [7.1, 3.0, 5.9, 2.1], [6.3, 2.9, 5.6, 1.8], [6.5, 3.0, 5.8, 2.2], [7.6, 3.0, 6.6, 2.1], [4.9, 2.5, 4.5, 1.7], [7.3, 2.9, 6.3, 1.8], [6.7, 2.5, 5.8, 1.8], [7.2, 3.6, 6.1, 2.5], [6.5, 3.2, 5.1, 2.0], [6.4, 2.7, 5.3, 1.9], [6.8, 3.0, 5.5, 2.1], [5.7, 2.5, 5.0, 2.0], [5.8, 2.8, 5.1, 2.4], [6.4, 3.2, 5.3, 2.3], [6.5, 3.0, 5.5, 1.8], [7.7, 3.8, 6.7, 2.2], [7.7, 2.6, 6.9, 2.3], [6.0, 2.2, 5.0, 1.5], [6.9, 3.2, 5.7, 2.3], [5.6, 2.8, 4.9, 2.0], [7.7, 2.8, 6.7, 2.0], [6.3, 2.7, 4.9, 1.8], [6.7, 3.3, 5.7, 2.1], [7.2, 3.2, 6.0, 1.8], [6.2, 2.8, 4.8, 1.8], [6.1, 3.0, 4.9, 1.8], [6.4, 2.8, 5.6, 2.1], [7.2, 3.0, 5.8, 1.6], [7.4, 2.8, 6.1, 1.9], [7.9, 3.8, 6.4, 2.0], [6.4, 2.8, 5.6, 2.2], [6.3, 2.8, 5.1, 1.5], [6.1, 2.6, 5.6, 1.4], [7.7, 3.0, 6.1, 2.3], [6.3, 3.4, 5.6, 2.4], [6.4, 3.1, 5.5, 1.8], [6.0, 3.0, 4.8, 1.8], [6.9, 3.1, 5.4, 2.1], [6.7, 3.1, 5.6, 2.4], [6.9, 3.1, 5.1, 2.3], [5.8, 2.7, 5.1, 1.9], [6.8, 3.2, 5.9, 2.3], [6.7, 3.3, 5.7, 2.5], [6.7, 3.0, 5.2, 2.3], [6.3, 2.5, 5.0, 1.9], [6.5, 3.0, 5.2, 2.0], [6.2, 3.4, 5.4, 2.3], [5.9, 3.0, 5.1, 1.8]
];
var schema = [
{name: 'Sepal_length', index: 0, text: 'Sepal_length'},
{name: 'Sepal_width', index: 1, text: 'Sepal_width'},
{name: 'Petal_length', index: 2, text: 'Petal_length'},
{name: 'Petal_width', index: 3, text: 'Petal_width'},
];
var lineStyle = {
normal: {
width: 1,
opacity: 0.5
}
};
option = {
legend: {
top: 0,
data:['Iris-setosa','Iris-versicolor','Iris-virginica'],
itemGap: 10
},
parallelAxis: [
{dim: 0, name: schema[0].text},
{dim: 1, name: schema[1].text},
{dim: 2, name: schema[2].text},
],
parallel: {
left: '5%',
right: '13%',
bottom: '10%',
top: '15%',
parallelAxisDefault: {
type: 'value',
name: '平行坐標',
nameLocation: 'end',
nameGap: 20,
nameTextStyle: {
fontSize: 12
}
}
},
series: [
{
name: 'Iris-setosa',
type: 'parallel',
lineStyle: lineStyle,
data: data1
},
{
name: 'Iris-versicolor',
type: 'parallel',
lineStyle: lineStyle,
data: data2
},
{
name: 'Iris-virginica',
type: 'parallel',
lineStyle: lineStyle,
data: data3
},
]
};
打完收工，各位小兄dei，快點點贊啊，不然我胖虎用小拳拳錘死在座的各位，記住是全部。。。。。
以上這篇Python實現(xiàn)平行坐標圖的兩種方法小結(jié)就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
ubuntu16.04升級Python3.5到Python3.7的方法步驟
這篇文章主要介紹了ubuntu16.04升級Python3.5到Python3.7的方法步驟，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-08-08
這篇文章主要介紹了詳解重置Django migration的常見方式，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-02-02
開發(fā)程序其實就像預(yù)測天氣一樣,即使是代碼的異常錯誤,也應(yīng)該能預(yù)測且被控制,下面這篇文章主要給大家介紹了關(guān)于Python如何處理異常報錯方法的相關(guān)資料,需要的朋友可以參考下2022-06-06
Python實現(xiàn)輸入二叉樹的先序和中序遍歷，再輸出后序遍歷操作示例
這篇文章主要介紹了Python實現(xiàn)輸入二叉樹的先序和中序遍歷，再輸出后序遍歷操作,涉及Python基于先序遍歷和中序遍歷構(gòu)造二叉樹,再后序遍歷輸出相關(guān)操作技巧,需要的朋友可以參考下2018-07-07
本文主要介紹了flask結(jié)合jinja2使用詳解，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03
這篇文章主要介紹了Python獲取指定網(wǎng)段正在使用的IP的示例代碼，幫助大家更好的利用python進行測試，感興趣的朋友可以了解下2020-12-12
使用 Python 創(chuàng)建一個基于規(guī)則的聊天機器人
這篇文章主要介紹了使用 Python 創(chuàng)建一個基于規(guī)則的聊天機器人，使用 Python 創(chuàng)建一個簡單的基于規(guī)則的聊天機器人 聊天機器人本身是一種機器或軟件，它通過文本或句子模仿人類交互。 簡而言之，可以使用類似于與人類對話的軟件進行聊天。2021-10-10
python中的set實現(xiàn)不重復(fù)的排序原理
這篇文章主要介紹了python中的set實現(xiàn)不重復(fù)的排序原理,需要的朋友可以參考下2018-01-01
這篇文章主要介紹了pytorch 查看cuda 版本方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
這篇文章主要介紹了Python 命令行模塊 Click的相關(guān)知識，本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-03-03